《表2 算法累计回报率：基于计算机视觉的交叉口信号控制策略研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于计算机视觉的交叉口信号控制策略研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证深度强化算法对交通信号控制的有效性，从平均累计奖励、汽车平均延迟、交叉口的平均行驶时间、平均队列长度、平均等待时间5个方面对比深度强化学习算法相对传统固定相位的红绿灯控制方法在提高交通通行效率方面的进行对比。在设定的时间内，平均累计奖励值越大，表明算法的表现越好；其余4种交通衡量指标的平均值越小，表示在交叉口的车辆通行情况越好，拥堵越小。从图5可以看出，与常规的控制算法相比，深度强化学习算法DDQN在交叉口的信号控制中能够以更快的速率收敛；且从表2可以看出，其累计平均奖励相对于常规控制算法中的最优值提高了约18.3%，具有更好的效果。